你见过考古学家对着一块黑炭直跺脚的样子吗？两千年前维苏威火山一喷，滚烫的火山灰裹着泥浆，把希腊哲学家费洛・德莫斯聊“音乐”“愉悦”的手稿，严严实实地封进了纸莎草卷轴里，这一埋，就是两千年。

等17世纪被挖出来时，卷轴早变成了一捏就碎的“炭疙瘩”，摸一下怕掉渣，拆一下怕碎成粉，古文书学家只能眼睁睁看着里面的字烂在碳里。

更坑的是，当时写作用的碳基墨水，跟纸莎草本身都是碳做的，就算用红外扫，也像在黑布上找黑线条，啥都看不见。

谁能想到，最后把这些“烧了两千年的文字”救出来的，居然是一行行代码？

考古界的“拆毁式遗憾”

17世纪赫库兰尼姆古城的遗址上，工人刚把那些黑乎乎的“卷轴”挖出来时，考古队差点乐疯，要知道，这可是两千年前希腊学者的手写稿，说不定藏着从没见过的历史知识！

可没高兴两秒，大家就傻了眼，这些不是普通卷轴，是被火山灰高温焖了上百年的“碳化纸莎草”。

这纸莎草本来就娇气，是用芦苇杆压出来的，纤维细得跟头发丝似的，平时保存都得轻拿轻放，一经过碳化，脆得堪比玻璃，稍微用镊子碰一下，就“咔嚓”碎成指甲盖大的碳粉。

当时没别的办法，只能硬着头皮拆，结果大部分卷轴直接在拆解时“灰飞烟灭”，连带着里面的文字一起成了遗憾。

后来就算有了更精细的工具，考古学家也不敢碰那些“相对完整”的卷状炭块，生怕自己的手变成“历史粉碎机”。

更让人无奈的是“认不出”的死结。

那时候的人写东西，用的是碳基墨水，说白了就是炭粉混黏合剂，跟纸莎草的主要成分几乎一模一样。

19世纪有人试过用碘酒染色，想让字显形，结果整块炭都变了色，字反而更模糊，20世纪的普通红外成像也不管用，扫出来的画面里，纸莎草纤维和墨水痕迹糊成一团，连专家都分不清哪儿是字、哪儿是纸。

就这么着，这些炭块卷轴成了考古界的“心病”，明明知道里面有宝贝，却连“看一眼”的办法都没有。

从CT扫描到全球攻坚

考古学家对着炭块叹气了几百年，直到计算机技术冒头，才算有了点希望。

大概二十年前，美国肯塔基大学的研究员布兰德・塞尔斯琢磨出个招，既然不能物理拆，那不如用CT扫描把卷轴“数字化”？

就像医院用CT看人体内部一样，用高分辨率CT穿透炭块，把里面的纸莎草层数、纤维走向都拍成三维数据，以后在电脑上“虚拟展开”，既安全又不会破坏文物。

可想法好，实操起来却难上天。

布兰德团队第一次扫描就发现，这些卷轴卷得比弹簧还紧，层与层之间的间距只有0.05毫米，比一根头发丝还细，偏偏有些地方被火山泥浆挤得缠在一起，活像一团揉乱的毛线。

要在电脑里把这些“毛线”捋顺、摊平，简直跟在浓雾里找路一样，稍微判错一层的位置，整个模型就歪了，更别说找里面的文字了。

就这么卡了十几年，转机终于在2022年冒头了。

硅谷投资人纳・里森偶然看到布兰德的研究，觉得这事儿既有学术价值，又有技术挑战性，就拉着布兰德一起发起了“维苏威卷轴挑战”。

全球的开发者、研究员只要能解决“虚拟展开”或“文字识别”的难题，不仅能拿现金奖励，还能把成果开源，让全世界考古学家都能用。

这个“开源”的承诺，一下勾来了不少跨学科人才。

当时在瑞士苏黎世联邦理工学院读机器人学硕士的朱利安，刷到挑战消息时眼睛都亮了，他平时就喜欢琢磨“计算机视觉怎么解决实际难题”。

这卷轴的“虚拟展开”，这不就是他常想的事儿吗？朱利安没单打独斗，反而加入了一个专门聊挑战的Discord社区，在这里认识了埃及AI研究员尤素福・纳瑟，还有擅长数据优化的卢克。

三个人一聊才发现，朱利安懂三维建模，尤素福精通AI图像识别，卢克会优化代码，刚好能覆盖攻坚需要的所有能力，一个“黄金三人组”就这么凑齐了。

AI的“双步破局”

三人组一分工，就对着CT数据“死磕”起来。

第一步要解决的是“怎么在电脑里把卷轴摊平”，这事儿主要靠朱利安。

他没从头造轮子，反而盯上了肯塔基大学之前开发的基础工具，这个工具能初步认出台莎草的层理，但速度慢、还容易出错，尤其遇到缠绕的部分，经常“卡壳”。

拿到这个难题，朱利安没瞎折腾，优化思路特别实在，先给工具加个“定位系统”。

他引入了计算机视觉里的“光流法”，简单说就是让代码盯着每层纸莎草上的“小标记”，比如纤维的走向、tiny的碳粒疙瘩，就像给每层纸都贴了无数个“便利贴”，不管卷轴缠得多乱，代码都能通过这些“便利贴”找到每层的准确位置。

之后他又优化了算法的运行逻辑，原本要几小时处理的小片段，现在几分钟就能搞定。

更关键的是，朱利安把优化后的代码开源了。

社区里的其他参赛者看到后，都主动给他提建议，有人说“某个缠绕场景的识别精度能再提提”，有人帮他修复了代码里的小漏洞。

就这么在“众人拾柴”的氛围里，工具的性能一路飙升，最后比最初版本快了整整1万倍！

挑战组委会还专门凑了10个人的标注小组，用这个工具在CT数据上画红线标层理位置，再让算法把这些标记导进三维空间，建出卷轴表面的模型。

最后“摊平”成一个个清晰的纸莎草片段，圈里人管这叫“卷轴分割”，而朱利安团队的工具，当时成了最好用的“分割利器”。

“摊平”只是第一步，更难的是“怎么让字显出来”，这事儿交给了尤素福。

可他一上手就碰到了老问题，碳基墨水和纸莎草“长得太像”。

尤素福没急着让AI直接认字，反而先找“参照物”，他沿用肯塔基大学的办法，拿卷轴脱落的小碎片做实验，先用X射线扫描，抓墨水和纸莎草在原子层面的细微差异，再用红外成像增强这些差异。

最后得到了“明确的字母特征”，相当于给AI画了张“藏宝图”，告诉它“你要找的字，长这样”。

可AI刚学认字时，特容易犯“死记硬背”的傻毛病，只认训练过的字母，遇到没见过的新字符，就瞎判一通。

这在AI领域叫“过拟合”，说白了就是AI学“死”了，不会灵活变通。

尤素福和团队试了无数办法，最后想到“随机遮挡数据”，每次训练时，故意挡住一部分CT数据里的特征，让AI不能只靠“死记”，得学会“按规律判断”。

就这么反复迭代了几十次，AI终于能认出没见过的字母，还拼出了20个连贯的字符，这可是人类头一回，从没打开过的碳化纸莎草卷轴里，读出完整的单词！

不止于获奖

到了2023年底评审的时候，三人组的成果一拿出来，基本就没悬念了，直接拿下第一，还登上了全球头条，连英国的小报都追着报道“AI让千年炭块说话”的故事。

但他们没把成果藏着掖着，反而把所有方法、数据、代码全开源了，现在全世界的考古学家，都能用他们的工具解读那些“碰不得”的碳化文物。

甚至有团队已经用类似思路，试着解读意大利庞贝古城出土的碳化木简，还有中东地区发现的古代羊皮卷残片。

其实这事儿最让人觉得暖的，就是AI在这儿没耍花架子。

它不像传统工具那样“硬碰硬”，反而用代码的“温柔”，小心翼翼地“剥开”了时间的外壳，它也不是孤军奋战，靠“开源协作”把全球研究者的智慧聚到了一起。

以前考古学家面对脆弱文物，只能“看得到、碰不得”，现在有了AI，就算是一掰就碎的炭块，也能通过代码“读”出里面的故事。

两千年前，费洛・德莫斯在文稿里写“我们从不回避追问，也从不放弃理解”，两千年后，AI用一行行代码，回应了这份跨越时空的追问。

那些被火山灰封存的思想，那些差点烂在碳里的文字，终于不用再沉默，而这，大概就是技术最浪漫的地方，它不仅能帮我们走向未来，还能帮我们“找回”过去。

以后说不定还有更多埋在地下的历史，会被AI扒得明明白白，我们也能隔着千年时光，再好好听听古人的思考。

在我看来这样并不会让中国对文化的研究失去先机，相反，我们在得到前人的经验和教训之后，会更好的利用AI来做文化研究。